深证综指收益率波动集群性的实证分析

本文以深圳股市为研究对象,选取深证综合指数2000.1.4—2008.6.17共2036个交易日的数据,对收益率的波动情况进行统计分析,结果表明收益率分布表现出非正态性并存在波动集群性的特征,随后利用自回归条件异方差(ARCH)类模型,对收益率序列的波动进行了拟合,结果表明,广义自回归条件异方差(GARCH)模型对收益率波动的集群性具有较好的拟合效果。     

论ARCH模型在金融风险估计中的应用

本文的写作目的是应用ARCH来对条件异方差进行估计,进而解决风险价值量中方差估计的困难.在对条件异方差进行估计时运用了上证指教2007年5月8号到2007年7月6日共计43个交易日的数据,对条件异方差估计出来以后代入到风险价值量模型中就可以求出风险价值量系数VaR.这就是本文写作的大概思路.本文主要由三个部分组成:第一部分是介绍风险价值量模型.介绍了风险价值量模型的由来和含义,以及其模型在金融风险估计中的价值意义.第二部分是本文的主要部分,即运用ARCH模型的过程.第三部分简要的介绍了ARCH模型在金融风险分析中的重要意义.第四部分是结论.     

经济时间序列波动率的度量与ARCH

尽管金融经济学家很早就知道经济时间序列的波动率有簇聚效应，并且边际分布具有尖峰形态，但却一直没有建立能够反映这种特点的时间序列模型。恩格尔在20世纪80年代早期开始了波动率模型的研究，成功地突破了传统的时间序列统计分析方法，开创性地建立了随时间变化的波动率模型一自相关条件异方差(ARCH)模型，从而有力地推动了金融经济学的发展。本文介绍了ARCH模型的产生背景、模型结构及其对金融经济学的学术价值。     

我国粮食生产函数模型的预测

分析有可能影响粮食生产总量的因素,运用eviews对这些变量进行回归拟合,建立模型㏑Y=β0+β1㏑X1+β2㏑X2+β3㏑X3+β4㏑X4+β5㏑X5+u对样本数据进行回归。通过序列相关性检验、多重共线性检验,消除多重共线性,得出的最终模型为㏑Y=β0+β1㏑X1+β2㏑X2+β3㏑X3+u采用样本回归得出各因素对粮食生产总量的影响大小。     

中国银行股票价格波动的ARCH模型分析

对金融市场价格变化不确定性研究和实证分析,是现代金融研究的核心问题之一。本文运用ARCH计量模型,以2008年4月—2011年4月近700个中国银行股票收盘格为样本,应用Eviews5.0软件,进行ARCH建模并分析其股票市场的数据,并采用多种形式ARCH模型输出,最后通过研究结果得出相应结论。     

豆油和棕榈油的模型套利实证分析

随着期货新品种的不断上市和期货市场规模的不断扩大,期货市场上的套利交易机会不断涌现,参与套利的交易者也越来越多。如何确定套利的交易方向和进出场时机,一直是套利交易者需要解决的主要问题。以大连商品交易所的豆油和棕榈油合约为例,借助计量经济学的协整分析、误差修正模型和广义自回归条件异方差模型,建立豆油和棕榈油的套利模型,可以为豆油和棕榈油的套利交易提供参考。     

基于ARCH类模型的VaR方法在外汇风险计量中的应用

本文将残差项服从t分布的ARCH类模型应用于我国外汇风险的计量。通过美元/人民币汇率日波动率VaR值的实证分析发现:(1)ARCH类模型预测得到的VaR值都能很好地拟合美元/人民币汇率日波动率的实际情况,美元/人民币汇率存在明显的ARCH效应;(2)基于ARCH类模型预测的VaR值其计算精度基本上都超过了J.P.Morgan公司RiskMetrics所采用的EWMA模型,这验证了本文选取ARCH类模型以及考虑残差项服从t分布的合理性;(3)ARCH类模型中以TARCH-M(1,1)模型计算结果最为理想。本研究可为金融机构、监管部门以及外汇投资者规避外汇风险提供决策依据和理论参考。     

中国货币供给物价时滞的测度

本文基于2000-2010年的月度数据,运用Granger因果检验、协整检验、向量自回归模型(VECM)以及广义自回归条件异方差模型(GARCH)等方法,研究发现货币供给量改变对通货膨胀具有一种显著的、长期持久的正向影响,其滞后期约为20～25个月.实证表明,通货膨胀一旦发生,如果没有政府的干预,通货膨胀就有一种惯性.     

我国房地产指数收益率的波动性研究

自回归条件异方差(ARCH)模型是最简单的条件异方差模型,ARcH类模型在金融时序数据的波动性中具有很好的效果。文章利用ARcH类模型对我国房地产指数增长率的波动性进行了实证研究。结果表明房地产指数存在着明显的ARcH效应;GARCH模型更能准确地描述房地产指数的波动特征,且其波动性是对称、持续性的,房地产指数不存在明显的杠杆效应。     

基于ARMA-GARCH模型的黄金现货价格预测

本文以2009年1月5日至2017年1月3日期间上海黄金交易所的Au99.95的黄金现货收盘价为研究对象,对数据进行描述性统计分析、平稳性检验和相关性检验。建立ARMA(2,1)模型,对其残差序列进行ARCH效应检验,并通过建立GARCH模型消除其条件异方差性,从而建立ARMA(2,1)-GARCH(1,1)模型。比较t分布下和GED分布下的拟合模型,发现t分布下的更优。最后,预测在95%置信区间内黄金现货日收益率序列在未来100天内走势区间与条件标准差变化趋势,并对预测结果进行了验证。